HIPOTESIS

EJEMPLO 1

Una empresa eléctrica fabrica focos que tienen una duración que se distribuye de forma
aproximadamente normal con una media de 800 horas y desviación estándar de 40 horas.

Si una muestra aleatoria de 30 focos tiene una duración promedio de 788 horas. Pruebe la
hipótesis de que efectivamente la producción tenga la media anteriormente mencionada.
Utilice un nivel de confianza del 95%.

DATOS

MEDIA: 788 𝐻0 ∶ 𝜇 = 800 vs

µ0= 800 𝐻1 ∶ 𝜇 ≠ 800

σ= 40

n= 30

One-Sample Z

Test of μ = 800 vs ≠ 800

The assumed standard deviation = 40

N Mean SE Mean 95% CI Z P

30 788.00 7.30 (773.69; 802.31) -1.64 0.100

VALOR p = 0.1

No se rechaza Ho, no existen suficientes datos para concluir que la duración promedio de los
focos sea diferente a 800.
EJEMPLO 2

En un laboratorio se desea determinar si la respuesta del %Carbono reportada por el equipo es

adecuada. Para ello se cuenta con un material de referencia certificado que declara:
%Carbono: 0,202% y Desviación estándar: 0,007%

Se toman 10 mediciones del material de referencia obteniendo un promedio de 0,198%

Carbono. Los datos tienen distribución normal. Pruebe la hipótesis de que en promedio los
datos reportados por el equipo son iguales al valor certificado.

DATOS

MEDIA: 0.198 𝐻0 ∶ 𝜇 = 0.202 vs

µ0= 0.202 𝐻1 ∶ 𝜇 ≠ 0.202

σ= 0.007

n= 10

One-Sample Z

Test of μ = 0.202 vs ≠ 0.202

The assumed standard deviation = 0.007

N Mean SE Mean 95% CI Z P

10 0.19800 0.00221 (0.19366; 0.20234) -1.81 0.071

VALOR p = 0.071

Se encuentra en zona de duda, se debe repetir el ensayo

EJEMPLO 3

Pruebe la hipótesis de que el contenido promedio de los envases de un lubricante particular es

superior a 10 litros. Considerando que los contenidos de una muestra aleatoria de 10 envases
son los mostrados en la tabla. Utilice un nivel de confianza de 95% y suponga que la
distribución del contenido es normal.

DATOS

10.2 n=10

9.7

10.1 𝐻0 ∶ 𝜇 ≤ 10 vs

10.3 𝐻1 ∶ 𝜇 > 10

10.1

9.8

9.9

10.4

10.3

9.8

One-Sample T: datos

Test of μ = 10 vs > 10

Variable N Mean StDev SE Mean 95% Lower Bound T P

datos 10 10.0600 0.2459 0.0777 9.9175 0.77 0.230

VALOR p = 0.23

No se rechaza Ho, los datos no proporcionan suficiente evidencia estadística para concluir que
la media sea superior a 10.
EJEMPLO 4

Una muestra aleatoria de galletas fabricadas en la línea de producción 1 y de tamaño n1=25,

que se toma de una población normal con una desviación estándar poblacional de
σ1=5.2gramos, tiene una media =81 gramos.

Una segunda muestra aleatoria de galletas fabricadas en la línea 2 y de tamaño n2=36, que se
toma de una población normal diferente con una desviación estándar poblacional de
σ2=3.4gramos, tiene una media =76gramos. Pruebe la hipótesis de que existen diferencias
entre las líneas de producción. Utilice un nivel de significancia de 0.05

MUESTRA 1 MUESTRA 2
n1 =25 n1 =36
σ= 5.2 σ= 3.4
X1=81 X1=76

𝐻0 ∶ 𝜇1 − 𝜇2 = 0 vs 𝐻0 ∶ 𝜇1 = 𝜇2 vs

𝐻1 ∶ 𝜇1 − 𝜇2 ≠ 0 𝐻1 ∶ 𝜇1 ≠ 𝜇2

Two-Sample T-Test and CI

Sample N Mean StDev SE Mean

1 25 81.00 5.20 1.0
2 36 76.00 3.40 0.57

Difference = μ (1) - μ (2)

Estimate for difference: 5.00
95% CI for difference: (2.60; 7.40)
T-Test of difference = 0 (vs ≠): T-Value = 4.22 P-Value = 0.000 DF = 38

VALOR p = 0.00

Se rechaza Ho, las medias son diferentes.

EJEMPLO 5

Una propiedad importante de la fibra es su absorción de agua. Se encuentra que el porcentaje

promedio de absorción de 25 piezas de algodón que se seleccionan al azar es 20 con una
desviación estándar de 1.5. Una muestra aleatoria de 25 piezas de acetato dan un porcentaje
promedio de 12 con una desviación estándar de 1.25. Hay fuerte evidencia de que el
porcentaje promedio de absorción de la población para la fibra de algodón es
significativamente más alta que la media para el acetato. Suponga que el porcentaje de
absorción se distribuye de forma aproximadamente normal y que las varianzas de la población
en el porcentaje de absorción para las dos fibras son las mismas. Utilice un nivel de
significancia de 0.05.

MUESTRA 1 MUESTRA 2
n1 =25 n1 =25
σ= 1.5 σ= 1.25
X1=20 X1=12

𝐻0 ∶ 𝜇1 − 𝜇2 ≤ 0 vs 𝐻0 ∶ 𝜇1 ≤ 𝜇2 vs

𝐻1 ∶ 𝜇1 − 𝜇2 > 0 𝐻1 ∶ 𝜇1 > 𝜇2

Two-Sample T-Test and CI

Sample N Mean StDev SE Mean

1 25 20.00 1.50 0.30
2 25 12.00 1.25 0.25

Difference = μ (1) - μ (2)

Estimate for difference: 8.000
95% lower bound for difference: 7.345
T-Test of difference = 0 (vs >): T-Value = 20.49 P-Value = 0.000 DF = 48
Both use Pooled StDev = 1.3807

VALOR p = 0.00

Se rechaza Ho, el porcentaje promedio de absorción del algodón es mayor a la del acetato
EJEMPLO 6

Un fabricante afirma que la resistencia a la tracción promedio del hilo A excede la resistencia a
la tracción promedio del hilo B en al menos 12 kgf. Para probar esta afirmación, se prueban 50
piezas de cada tipo de hilo bajo condiciones similares. El hilo tipo A obtuvo una resistencia a la
tracción promedio de 86.7 kgf con una desviación estándar de 6.28 kgf, mientras que el hilo
tipo B obtuvo una resistencia promedio a la tracción de 77.8 kgf con una desviación estándar
de 5.61 kgf. Prueba la afirmación del fabricante con el uso de un nivel de significancia de 0.05.
Suponga varianzas diferentes.

HILO 1 HILO 2
na =50 nb =50
σ= 6.28 σ= 5.61
X1=86.7 X1=177.8

𝐻0 ∶ 𝜇𝐴 − 𝜇𝐵 ≥ 12 vs

𝐻1 ∶ 𝜇𝐴 − 𝜇𝐵 < 12

Two-Sample T-Test and CI

Sample N Mean StDev SE Mean

1 50 86.70 6.28 0.89
2 50 77.80 5.61 0.79

Difference = μ (1) - μ (2)

Estimate for difference: 8.90
95% upper bound for difference: 10.88
T-Test of difference = 12 (vs <): T-Value = -2.60 P-Value = 0.005 DF = 96

VALOR p = 0.005

Se rechaza Ho, la resistencia del hilo A no es mayor a la del hilo B

EJEMPLO 7

Un fabricante afirma que la resistencia a la tracción promedio del hilo aumenta cuando a su
materia prima se le agrega un determinado aditivo. Pruebe la afirmación del fabricante con el
uso de un nivel de significancia de 0.05 considerando los resultados experimentales con aditivo
y sin aditivo.

RESISTENCIA

CON ADITIVO SIN ADITIVO

MPA MPA

10.2 8.0

9.7 7.5 𝐻0 ∶ 𝜇𝑐𝑜𝑛 − 𝜇𝑠𝑖𝑛 ≤ 0 vs

10.1 8.2 𝐻1 ∶ 𝜇𝑐𝑜𝑛 − 𝜇𝑠𝑖𝑛 > 0

10.3 7.8

10.1 5.4

9.8 9.0

9.9 9.0

10.4 8.0

10.3 8.5

9.8 8.8

Paired T for RESISTENCIA CON ADITIVO MPA - RESISTENCIA SIN ADITIVO MPA

N Mean StDev SE Mean

RESISTENCIA CON ADITIVO 10 10.060 0.246 0.078
RESISTENCIA SIN ADITIVO 10 8.020 1.053 0.333
Difference 10 2.040 1.129 0.357

95% lower bound for mean difference: 1.386

T-Test of mean difference = 0 (vs > 0): T-Value = 5.72 P-Value = 0.000

P= 0.00

Rechazo Ho, la resistencia del hilo con aditivo si es mayor a la del hilo sin aditivo.
Ejemplo

Al comparar la variabilidad de la resistencia a la tensión de dos tipos de acero para estructuras,

un experimento arrojó los siguientes resultados:

Analista 1: n1 =13, s12= 19.2

Analista 2: n2= 16 y s22=3.5

Suponiendo que las mediciones constituyen muestras tomadas al azar de dos poblaciones
normales, se puede afirmar que los analistas tienen la misma precisión?

𝐻0 ∶ 𝜎1 2 = 𝜎2 2 vs

𝐻1 ∶ 𝜎1 2 ≠ 𝜎2 2

Tests

Test
Method DF1 DF2 Statistic P-Value
F 12 15 5.49 0.003

Test and CI for Two Variances

P=0.003

Se rechaza Ho, las varianzas son distintas no se puede asegurar q los analistas tengan las
misma precisión
EJEMPLO

La garantía para las baterías de teléfonos móviles se fija en 200 horas de operación, con los
procedimientos descarga adecuada. Se lleva a cabo un estudio de 5000 baterías y 15 dejan de
operar antes de 200horas.¿estos resultados apoyan la afirmación de que menos de l0,2%delas
baterías de la compañía fallarán durante el periodo de garantía, con los procedimientos
descarga adecuados?

Datos

N=500

X=15

𝐻0 ∶ 𝑝 = 0.002 vs

𝐻1 ∶ 𝑝 < 0.002

Test and CI for One Proportion

Test of p = 0.002 vs p < 0.002

Sample X N Sample p 95% Upper Bound Z-Value P-Value

1 15 5000 0.003000 0.004272 1.58 0.943

Using the normal approximation.

P= 0.943

No se rechaza Ho, los resultados no afirman de que menos del 0,2% de las baterías fallarán
durante el período de garantía
EJEMPLO

Se desea comprobar si existe diferencia significativa en el porcentaje de producto defectuoso

entre los turnos de trabajo en una empresa. Se toma una muestra aleatoria en cada turno,
n1=54 y n2=61, el número de producto defectuoso en cada turno fue de 6 y 8
respectivamente. Para efecto de análisis se utilizó la misma máquina. Determine si existe
diferencia entre ambos turnos.

DATOS

n1=54 n2= 61

x1= 6 x2=8

𝐻0 ∶ 𝑝1 = 𝑝2 vs

𝐻1 ∶ 𝑝1 ≠ 𝑝2

Sample X N Sample p
1 6 54 0.111111
2 8 61 0.131148

Difference = p (1) - p (2)

Estimate for difference: -0.0200364
95% CI for difference: (-0.139208; 0.0991350)
Test for difference = 0 (vs ≠ 0): Z = -0.33 P-Value = 0.742

Fisher’s exact test: P-Value = 0.783

P= 0.742

No se rechaza Ho, en ambos turnos no difiere la proporción de defectuosos

PRUEBA DE NORMALIDAD

Los datos siguen una tendencia normal

REGRESION

Scatterplot of Peso (lbs) vs Estatura (cm)

189
190
185184
183
182
180 178 179 180
179

175
174 175
172172
170 170170 170
170
Peso (lbs)

163
162
160 160159 160
160
156

150 150
150

140
140

150 160 170 180 190

Estatura (cm)
 Scatterplot of Peso (lbs) vs Estatura (cm)
200

189
190
185184
183 182
179 180
179
180 178
175
174 175
172172
Peso (lbs)

170 170170 170

170
163
162
160 160159 160
160
156

150 150
150

140
140

150 160 170 180 190

Estatura (cm)

SE OBSERVA TENDENCIA DE RELACION DIRECTA

Regresión y correlacion

Scatterplot of LECTURA DE LA REGLA vs PATRON (mm)

600

500
LECTURA DE LA REGLA

400

300

200

100

100 200 300 400 500 600

PATRON (mm)
DIAGRAMA DE PARETO